基于分层多子群的教与学优化算法 |
| |
作者姓名: | 王滔 高岳林 孙滢 |
| |
作者单位: | 北方民族大学 信息与系统科学研究所,宁夏 银川,750021;合肥工业大学 计算机与信息学院,安徽 合肥,230009 |
| |
基金项目: | 国家自然科学基金;北方民族大学重点科研资助项目;北方民族大学校级研究生创新资助项目 |
| |
摘 要: | 文章针对教与学优化(teaching-learning-based optimization,TLBO)算法在求解高维函数优化问题时易陷入局部最优与早熟现象、迭代后期收敛速度慢、求解精度低的缺点,提出了一种基于分层多子群的教与学优化算法(hierarchical subpopulation TLBO,HSTLBO),对平均学生水平进行重新定义,并根据适应度值对教学因子动态取值;通过预设的一个等级层次结构,将种群划分为若干个子群,构成层次结构的底层;底层子群粒子相对独立进化,保证种群多样性,每个子群的最优粒子则构成层次结构的上一层,提升算法的全局收敛能力,子群自下而上更新。通过10个Benchmark函数将提出的算法与其他算法进行对比实验,结果表明,HSTLBO在求解精度和收敛速度方面均优于其他算法。
|
关 键 词: | 教与学优化(TLBO) 函数优化 动态取值 分层多子群 |
本文献已被 CNKI 万方数据 等数据库收录! |
|